之前我们已经讲过很多条形图啦，但是今天我们再来讲一种条形图——环状条形图（Circular barplot）。当厌倦普通的条形图的时候或者空间有限但是要展示较多样本的时候，都可以考虑使用环状条形图。
什么是环状条形图（Circular barplot）
条形图是科研中常用的图，但是有时候可能你会觉得普通的条形图过于平平无奇。还有些时候展示的空间有限，数据却很庞大，这时再用普通的条形图可能就不利于展示信息了。那么要怎么办呢？不如考虑一下使用环状条形图。我们先来看几个关于环状条形图的例子。
2个月前，人民日报使用了环状条形图展现了全球的疫情状况，直观的同时还很美观。
这是另一个例子，关于森林覆盖率和人口密度。每一根柱子代表一个州，绿色的柱子代表森林覆盖率，灰色的代表人口密度。
通过上面两个例子可以发现环状条形图是一种明明很简单，但是却让你眼前一亮，觉得好像是种很华丽的数据展现方式。那么要如何作图呢？
如何作环状条形图
1）需要什么样的数据
我们这次使用的数据以及代码来源Azandis的博客。我根据最终的图片，整理了所需要的数据。
TP<-read.table('~/Desktop/dat.txt',header = T,sep='\t',stringsAsFactors = F,check.names = F)
head(TP)
State Trees Pop
1 CT 73 7.4
2 MA 71 8.4
3 RI 70 10.2
4 NY 65 4.1
5 PA 66 2.8
6 VA 67 2.0
2）如何作图
我们将使用ggplot函数进行作图，首先我们来看看怎么把普通的柱状图变成环形的。
为了能够满足Tree和Pop分开的效果，我们需要把Pop的数值变成负数。
library(tidyverse)
TP<-read.table('~/Desktop/dat.txt',header = T,sep='\t',stringsAsFactors = F,check.names = F)
head(TP)
#Pop值和Trees相比较小所以需要适当扩大10倍
TP <- mutate(TP, Pop.10 = Pop*10)
TP <- mutate(TP, Pop.10 = -Pop.10)
ggplot(TP, aes(x = State)) +
geom_col(aes(y = Trees), fill = "#5d8402") +
geom_col(aes(y = Pop.10), fill = "#817d79") +
coord_polar()#变成环形
可以看到已经有一点感觉了，但是这个图有点混乱。所以我们先对图像中的State进行排序。具体的排序规则参考了原blog的代码。
TP <- TP %>% mutate(TreeRank = rank(-Trees), PopRank = rank(-Pop)) %>% mutate(SqRank = (TreeRank^2)+(PopRank^2)/2) %>% mutate(RankOrder = rank(SqRank))
ggplot(TP, aes(x = reorder(State, RankOrder))) +
geom_col(aes(y = Trees), fill = "#5d8402") +
geom_col(aes(y = Pop.10), fill = "#817d79") +
geom_text(aes(y = 100, label = State)) +
coord_polar()+
theme_void()
然后我们在之前的基础上标记上数值：
ggplot(TP, aes(x = reorder(State, RankOrder))) +
geom_col(aes(y = Trees), fill = "#5d8402") +
geom_text(aes(y = ifelse(Trees >= 15, 8, (Trees + 10)), color = ifelse(Trees >= 15, 'white', '#5d8402'), label = round(Trees, 2)), size = 2.5)+#ifelse(test, yes, no),所以这里代表Trees如果大于等于15时，y=8，颜色为白色，如果小于15则y为Trees+10，颜色为绿色
geom_col(aes(y = Pop.10), fill = "#817d79") +
geom_text(aes(y = ifelse(Pop.10 <= -15, -8, (Pop.10 - 10)), color = ifelse(Pop.10 <= -15, 'white', '#817d79'), label = round(Pop, 1)), size = 2.5)+#Pop.10小于等于-15时，y=-8，颜色为白色，当Pop.10大于-15时，y=Pop.10-10，颜色为绿色
geom_text(aes(y = ifelse(Trees <= 50 , 60, Trees + 15), label = State),size=3) +
coord_polar() +
scale_y_continuous(limits = c(-150, 130)) +#y轴的范围为-150到130
scale_color_identity() +
theme_void()
保存后我们可以去AI中进行最后的调整，比如加上中间的字。
左上角的图可以用下述代码进行制作。为了偷懒我就copy原文中的代码，没有调整参数，而是在AI中进一步调整的。
ggplot(TP, aes(x = Pop, y = Trees)) +
geom_point(size = 3) +
theme_minimal()
然后在AI中一番修改，坐标用了Arial字体，标题等用了NewsGoth Lt BT Light（感觉和原图比较相似）。根据原图添加了相关的坐标轴名称等，然后把两张图拼接在了一起。（有一些细节比如左上角还根据地理位置对点进行了划分，我就忽略啦）
今天的分享就到这里啦。
往期R数据可视化分享
R数据可视化18：弧形图
R数据可视化17：桑基图
R数据可视化16：哑铃图
R数据可视化15：倾斜图 Slope Graph
R数据可视化14：生存曲线图
R数据可视化13：瀑布图/突变图谱
R数据可视化12: 曼哈顿图
R数据可视化11: 相关性图
R数据可视化10: 蜜蜂图 Beeswarm
R数据可视化9: 棒棒糖图 Lollipop Chart
R数据可视化8: 金字塔图和偏差图
R数据可视化7: 气泡图 Bubble Plot
R数据可视化6: 面积图 Area Chart
R数据可视化5: 热图 Heatmap
R数据可视化4: PCA和PCoA图
R数据可视化3: 直方/条形图
R数据可视化2: 箱形图 Boxplot
R数据可视化1: 火山图